聊聊强化学习发展这十年
本文通过四阶段的发展分析了强化学习的演变过程，强调了其从早期的经典在线RL到当前涵盖广泛的应用场景（如offline model-free RL, model-based RL等），以及概念扩展带来的深远影响。
强化学习
腾讯开源动漫生活模拟器，可扩展的移动自动化Mobile Next，上海AI实验室发布图像生成模型
Lumina-mGPT 2.0发布，支持多种图像生成任务；AnimeGamer模拟动漫生活互动，基于MLM预测游戏状态；DeepResearcher通过强化学习训练LLMs；Mobile Next简化移动自动化测试；Zola免费开源AI聊天应用，支持多模型和文件上传。
Meta深夜开源Llama 4！首次采用MoE，惊人千万token上下文，竞技场超越DeepSeek
lama 4，这是其 Llama 家族的最新成员。
该系列包括 Llama 4 Scout、Llam
R2前奏？DeepSeek联合清华新论文找到强化学习新方法：27B模型“干翻”671B
DeepSeek与清华大学合作的研究提出了一种通用奖励模型GRM及其改进方法SPCT，通过增加推理计算量实现了有效的推理时扩展，并显著提升了LLM的性能。
DeepMind闭关修炼「我的世界」，自学成才挖钻登Nature！人类玩家瑟瑟发抖
谷歌DeepMind的DreamerV3在《我的世界》中无需人类数据自主完成钻石收集任务，标志着AI向通用人工智能（AGI）又迈进了一步。